پیش بینی مقاومت فشاری و بهینه یابی میزان مصرف الیاف در بتن الیاف پلیمری با استفاده از شبکه های عصبی مصنوعی

مشکلی که بتن همواره با آن درگیر بوده تردی و شکنندگی و عدم قدرت باربری بعد از ترک خوردگی و درنتیجه طاقت و قدرت جذب انرژی پایین آن است. یکی از روشهای افزایش طاقت و قدرت جذب انرژی بتن، مسلحکردن آن به الیاف پلیمری می باشد. در طراحی ها، هریک از مواد تشکیل دهنده بتن بصورت یک پارامتر در نظر گرفتهمیشود در حالیکه هر یک ازاین مواد دارای ابعاد گوناگونی میباشند. بطور مثال، سیمان ها دارای مقاومت، نرمی وترکیبات شیمیایی متفاوتی هستند. ریزدانه ها و درشت دانه ها، اندازه و جنس های متفاوتی دارند و یا ممکن استشکسته یا طبیعی باشند. در سالهای اخیر، مواد جدید وفن آوری های ساخت نوین در بتن بوجود آمده که تعدادپارامترهای موثر در طرح اختلاط بتن را تا دو برابر افزایش میدهد مانند میکروسیلیس ها و الیاف ها که هر کدام درانواع مختلف وجود دارند. تعدد پارامترهای موثر نتیجتا مسئله تعیین طرح اختلاط بتن را به یک مسئله برای جستجو درفضای 10 الی 20 متغیری (پارامتر موثری) تبدیل خواهد کرد. بر این اساس مدل هایی مبتنی بر شبکه های عصبیمصنوعی ساخته شده از داده های آزمایشگاهی مورد توجه محققین شاخه های گوناگون قرار گرفته است. دلیل عمده اینتوجه آن است که بر خلاف روشهای کلاسیک موجود در تئوری های آماری، شبکه های عصبی به هیچ مدل یا تابعمشخص به همراه فرضیات محدود کننده برای خطی کردن مسئله نیاز ندارد. در این پژوهش با استفاده از شبکه هایعصبی و ترکیب آن با الگوریتم اجتماع ذرات PSO مدلی بمنظور پیش بینی مقاومت فشاری بتن الیاف پلیمری ارائه گشته که قادر است مقاومت فشاری 28 روزه بتن الیاف پلیمری را با دقت مناسبی پیش بینی نموده و میزان بهینهمصرف الیاف را مشخص نماید. پیش بینی مقاومت فشاری بتن الیاف پلیمری بر اساس مدل های شبکه عصبیمصنوعی بدون نیاز به انجام هیچگونه مطالعات آزمایشگاهی سبب صرفه جویی هزینه ها به مقدار بسیار زیادی درپروژه ها می گردد.

پیش بینی مقاومت فشاری و بهینه یابی میزان مصرف الیاف در بتن الیاف پلیمری با استفاده از شبکه های عصبی مصنوعی Keywords:

بتن الیاف پلیمری , شبکه های عصبی مصنوعی , مقاومت فشاری , مدل سازی , الگوریتم اجتماع ذرات PSO